Uma empresa construiu um classificador de imagens para detectar doenças em plantas a partir de fotos de folhas e quer saber a proporção de imagens que o modelo rotulou corretamente. Qual métrica de avaliação eles devem usar?

A acurácia é a métrica correta porque mede a proporção de previsões corretas (tanto verdadeiros positivos quanto verdadeiros negativos) em relação ao número total de previsões. Para o classificador de imagens que detecta doenças em plantas, a empresa quer saber a porcentagem de imagens que o modelo classificou corretamente, o que é precisamente o que a acurácia fornece. A pontuação R-quadrado e o Erro Quadrático Médio da Raiz (RMSE) são métricas usadas para problemas de regressão, onde se prevê um valor contínuo, não uma classe. A taxa de aprendizado é um hiperparâmetro usado no treinamento de modelos de machine learning, não uma métrica de avaliação do desempenho do modelo.